CN117547230A - 基于手机前后置摄像头的脉搏波传导速度获取方法 - Google Patents
基于手机前后置摄像头的脉搏波传导速度获取方法 Download PDFInfo
- Publication number
- CN117547230A CN117547230A CN202311472816.XA CN202311472816A CN117547230A CN 117547230 A CN117547230 A CN 117547230A CN 202311472816 A CN202311472816 A CN 202311472816A CN 117547230 A CN117547230 A CN 117547230A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- palm
- signal
- pulse
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 11
- 210000003811 finger Anatomy 0.000 claims description 35
- 238000001914 filtration Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 210000001015 abdomen Anatomy 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000008602 contraction Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 210000005224 forefinger Anatomy 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 210000004243 sweat Anatomy 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 239000008280 blood Substances 0.000 description 10
- 210000004369 blood Anatomy 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 206010003210 Arteriosclerosis Diseases 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 3
- 208000011775 arteriosclerosis disease Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000002758 humerus Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000000541 pulsatile effect Effects 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
- A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Power Engineering (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种基于手机前后置摄像头的脉搏波传导速度获取方法。利用智能手机的前后置摄像头在日常居家生活中精准测量脉搏波传导速度。智能手机的前后置摄像头同时拍摄手指和手掌的视频，处理视频里面的图像序列，提取手指和手掌的血管容积脉搏波信号；利用智能手机的测距功能获得手指与手掌间的距离；根据两路血管容积脉搏波信号及距离计算脉搏波传导速度。本发明获得的脉搏波传导速度准确率高、使用时学***的提高具有重要意义，也可用于人脸识别、信息比对等多个领域的多个方面。
Description
技术领域
本发明涉及一种基于手机前后置摄像头的脉搏波传导速度获取方法。
背景技术
脉搏波传导速度(PWV)是心脏收缩时产生的脉搏波在血管中传播的速度，是脉搏波传播距离与传播时间之比，是进行无创动脉硬化检测的最常用指标。
目前脉搏波传导速度的测量主要是在医院由专业人员使用专业设备测量，如肱踝脉搏波速度(baPWV)，可通过双层袖带对双上肢肘部及双下肢踝部同时加压，通过自动波形分析仪记录肱-踝动脉波形，由仪器根据公式计算得出。由于医疗资源紧张，尤其是疫情时期就医风险大，很多患者难以做到随时到医院接受检测，通过本专利方法，在日常生活中能够及时准确的测量脉搏波传导速度，这对动脉硬化的检测显得尤为重要。
国内申请号201821907364.8的名称为“基于双路脉搏波的脉搏波传导速度测量装置及方法”的专利申请，使用单指固定模块，将两个传感器模块固定于柔性捆绑带上，置于无名指第一第二指节，通过伸缩杆获取长度，进而计算。其测量方法解决了此前专利中存在的计算模型需要动态调整、两测试点距离差难以测量、误差大的问题，但仍然引入了外部测量设备，折损了其便利性。国内申请号202210249771.9的名称为“一种基于视频图像的脉搏波传导速度检测方法及装置”的专利申请，通过单摄像头拍摄手臂视频，使用图像的灰度特征和重心距离提取信号和长度，进而计算手臂处的脉搏波传导速度。该测量方法能够避免引入外部测量设备，但提取脉搏波信号的方法噪声较大，导致多数信号的重搏波无法提取，干扰了测量的精度，有损脉搏波信号在医学上的应用前景。
发明内容
本发明针对目前存在的问题，提出一种基于手机前后置摄像头的脉搏波传导速度获取方法，利用智能手机的前后置摄像头在日常居家生活中精准测量脉搏波传导速度。智能手机的前后置摄像头同时拍摄手指和手掌的视频，处理视频里面的图像序列，提取手指和手掌的血管容积脉搏波信号；利用智能手机的测距功能获得手指与手掌间的距离；根据两路血管容积脉搏波信号及距离计算脉搏波传导速度。
不同于手环、指夹、颈部/腹部贴片装置等设备，现今，手机的普及度极高，加之使用到EMD滤波器和LMS自适应滤波器相结合的方式进行信号处理，无需引入外部设备和集成传感器，可由视频图像序列直接获取脉搏波信号，大大降低了脉搏波信号获取的门槛。随着手机拍照技术的飞速发展，在较亮、较暗环境内都能获得较为清晰的图像，适用范围广、环境限制低。同时，使用手指紧贴摄像头进行提取脉搏波信号的方法能够获取清晰且完整的信号。此外，随着双摄的普及及算法的更新迭代，手机测距已经可以达到较高的精度。
为了实现上述目的，本发明采用的技术方案是：
一种基于手机前后置摄像头的脉搏波传导速度获取方法，使用手机的前后置摄像头同时拍摄手指和手掌的视频，使用经验模态分解(EMD)和基于最小均方误差算法(LMS)的自适应滤波器处理视频里面的图像序列，提取手指和手掌的血管容积脉搏波信号；利用智能手机的测距功能获得手指与手掌间的距离；根据两路血管容积脉搏波信号及距离计算脉搏波传导速度。
本发明需要获取双路的脉搏波信号及两测量处的距离，而后进行脉搏波传导速度的计算，其中，两测量处的距离通过智能手机内置测距功能实现，测量点为测量脉搏波信号的食指指腹中央及手掌贴近摄像头的中心位置。
获取双路的脉搏波信号的步骤为：
利用智能手机的前后置摄像头同时拍摄一段视频，其中前置摄像头拍摄食指指腹视频，后置摄像头拍摄手掌视频；
对视频中每帧图像进行预处理，获得中心固定区域的图像序列；
拟合原始的脉搏波信号；
对原始的脉搏波信号进行滤波处理；
选取合格的脉搏波波形。
所述拍摄视频的要求为：
(1)保持拍摄处无水分或者汗液的残留；
(2)拍摄位置正对摄像头放置；
(3)保证手指和手掌紧贴摄像头，避免出现水平或垂直方向的位移。
所述图像预处理的过程为：
对拍摄部分中间区域进行定位和跟踪，把每一帧图像中的中心区域切割下来，构成指腹区域的图像序列。
所述拟合原始的脉搏波信号的方法是：
大量研究表明绿光对血流量变化更加敏感，因此本发明直接利用绿光通道的灰度值拟合原始PPG波形。本发明绿色通道的灰度值的获取是通过对感兴趣区域内每个像素点的绿色分量值取平均值，而后本发明将对绿色分量均值进行归一化处理，使之稳定在一个较小的范围内。
所述滤波处理的方法是：
前置摄像头拍摄的手指脉搏波信号采用经验模态分解(EMD),得到回波的多个本征波动模态(IMF)，再对心跳对应频率内的模态进行合成。
后置摄像头拍摄的手掌脉搏波信号采用基于最小均方误差算法(LMS)的自适应滤波器，将较为清晰且准确的手指脉搏波信号作为期望响应信号d，把手掌脉搏波信号作为滤波器的输入信号x，x(k)代表k时刻下手掌脉搏波信号的大小。
通过LMS算法进行滤波处理的方法是：
将输入信号矢量化为X(k)：
X(k)＝[x(k),x(k-1),x(k-2),……,x(k-M+1)]T
即X(k)包含了过去M个时刻的输入信号(手掌脉搏波信号)。其中，M≤k≤N，N表示采样点数，M表示LMS自适应滤波器的阶数。
W(k)为k时刻自适应滤波器的权系数矢量，当滤波器的阶数为M时，W(k)的矢量形式为：
W(k)＝[w1(k),w2(k),w3(k),……,wM(k)]T
这里，wi(k)为时刻k下相应X(k)中第i个数据的滤波器权系数，W(k)为X(k)中对应权系数。
为了对手掌脉搏波信号进行过滤，在滤波开始时，需要初始化LMS自适应滤波器权系数：
W(k)＝[0,0,……,0]T
将输入信号与权系数进行加权乘，得到k时刻的输出信号y(k)：
y(k)＝WT(k)X(k)
将输出信号值与期望(手指脉搏波信号)响应相减，k时刻计算误差信号e(k)：
e(k)＝d(k)-y(k)
计算k+1时刻的滤波器权系数W(k+1)，更新权值：
W(k+1)＝W(k)+2μe(k)X(k)
其中，μ为步长因子，λmax为输入信号自相关矩阵最大特征值。
通过大量实验验证，本发明选择将滤波器阶数M设置为20。其中，如果无法准确知道输入信号的自相关矩阵最大特征值λmax或特征值变化复杂的情境下，可将步长因子μ设置为0.001进行代替，这也是一个合适的步长参数。
循环以上步骤，降低滤波器的输出与期望输出之间的均方误差。
所述选取合格的脉搏波波形的标准是：
(1)脉冲间隔在0.5s和1.2s之间；
(2)收缩峰值时间小于脉冲间隔的一半；
(3)最小脉冲值只出现在波形段的起始点或结束点上；
(4)上升沿的一阶导数(起始点和收缩期峰值之间)大于零，即单调递增；
(5)起始点与终止点的幅度差不大于波形段整体幅度的1/10。
计算脉搏波传导速度的过程为：
将上述获得的双路脉搏波信号对应放置在时间轴上；
获得平均脉搏波传导时间PTT；
根据公式计算得脉搏波传导速度，公式为：PWV＝d/PTT，其中d为量测量处的距离，PTT为上述计算出的脉搏波传导时间。
所述获得平均脉搏波传导时间的方法是：
首先使用findpeaks获取峰(谷)值坐标，而后对相邻的峰(谷)值做差，差值即为脉搏波传导时间(PTT)，获得峰值差PTT序列及谷值差PTT序列。分别对上述两个PTT序列取平均值，再对两平均值取算术平均，获得平均脉搏波传导时间。
与现有技术相比，本发明的有益效果是：
基于手机前后置摄像头的脉搏波传导速度获取方法在脉搏波传导速度获取时的便携性、准确度、易得性、普适性等方面具有比较明显的优势，可以实现随时随地地的脉搏波信号测量与脉搏波传导速度的计算，可以应用于各个年龄段人群，减少了设备交叉使用的安全风险，去除了引入外部设备带来的经济成本，降低了使用者使用时的学习门槛和环境要求。
本发明中主要存在两个创新点：
第一为脉搏波传导速度的获取。本发明提出了一种不引入外部设备的脉搏波传导速度获取方式，无额外成本、无侵入性，去除了冗杂的测量过程，如加压等，仅需要一部智能手机即可完成信号采集、处理的全过程，极大程度上降低了脉搏波传导速度的获取门槛，实现轻便、居家监测动脉硬化的一种手段。
第二为对脉搏波信号进行精确地提取。本发明区别于现有发明在单路脉搏波信号上进行修正的方向，选用了两路脉搏波进行协同分析。本发明中手指信号为通过智能手机前置摄像头采集所得，因其拍摄条件良好、脉搏波波形更加清晰，故将此图像序列作为期待响应函数进行滤波，成为后置摄像头采集的手掌图像序列进行降噪滤波的参考波形，二者结合以实现对脉搏波信号的精准提取，与手掌与手指距离结合进行计算，使得本发明中未引入集成传感器，但仍可以较为精确地获取脉搏波信号。同时，脉搏波信号的精准提取能够延伸应用于测量心率等多种生理信号上，在生理健康检查等多个方面具有广泛的使用前景。
综上，本发明获得的脉搏波传导速度准确率高、使用时学***的提高具有重要意义，也可用于人脸识别、信息比对等多个领域的多个方面。
附图说明
图1为基于手机前后置摄像头的脉搏波传导速度获取流程图。
图2为拍摄手掌视频的示意图。
图3为拍摄手指视频的示意图。
图4为图像预处理的流程图。
图5为手掌视频图像预处理的示意图。
图6为手指视频图像预处理的示意图。
图7为EMD滤波后的本征波动模态(IMF)示意图
图8为LMS滤波器结构示意图。
图9为脉搏波信号标准特征定义。
图10为脉搏波传导距离测量的示意图。
图11为获取平均脉搏波传导时间流程图。
图12为脉搏波传导时间示意图。
图13本发明实验阶段使用的原理机。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
本发明的基于手机前后置摄像头的脉搏波传导速度获取过程如图一所示。首先通过手机前后置摄像头分别对手指和手掌拍摄视频；对图像进行预处理；进行原始信号的拟合；再通过滤波使波形更加清晰；最后进行合格波形筛选，留下可供使用、分析的脉搏波波形。其中，为了使结果更加准确，过程中将手指视频处理所得的波形作为手掌视频滤波时输入的期望波形，使用LMS滤波器进行过滤。
本发明获取手指和手掌部位脉搏波信号的方式类似，采集设备为一部有前后置摄像头的智能手机，采集时的示意图如图2、图3所示。拍摄视频时，应保证手指指腹、手掌掌心与前后置摄像头保持固定距离，以均匀一致的力度按压摄像头；同时，此过程中，应减少手指位置的变化，使之正对摄像头。
图像预处理的流程如图4所示。首先获取一帧图内每个像素点的绿色通道分量；其次对每帧图像内每个像素点的绿色通道分量取平均值；最后对图像序列计算出的绿色分量平均值序列进行归一化处理，使之在较小数据范围内波动，方便后续处理。经过实验对比和资料查阅，本发明采用绿色通道值进行分析，以获得更明显、准确的脉搏波信号。图5、图6为手掌、手指视频图像预处理的示意图。
EMD滤波后的本征波动模态如图7所示，本发明使用利用经验模态分解法(EMD)将手指原始脉搏波信号分解为一系列不同频率成分的本征模函数(IMF)，对每阶IMF进行频域分析，将处于脉搏波频率范围的IMF进行信号重构，得到消除低频基线漂移和高频噪声的脉搏波信号，波形更加清晰、标准。其中图7(1)为原始波形，图7(2)为EMD分解后的IMF。
LMS滤波器结构示意图如图8所示，本发明使用LMS滤波器处理手掌脉搏波信号，将较为易得且准确的手指脉搏波信号作为期望响应信号(e(k))，将手掌脉搏波信号作为滤波器的输入信号(x(k)),获得输出信号(y(k))。由于LMS算法中使用的较为准确的信号作为参考，且在每一时刻都计算出与期望响应信号的误差，并以此对权系数进行更新，故而经过以上过程处理、输出脉搏波信号精确度较高，可用性强。
图9展示了脉搏波信号标准特征定义。由在血液循环过程图11上半部分中所示,当心脏收缩射血,血液经过动脉到徽血管时,该部分微血管的血液容积最大；当心脏舒张停止射血,血液经过静脉***返回心脏时,微血管的血液容积最小。其中皮肤等其他组织结构状态是相对稳定的，从而对光的吸收作用也是不变的或缓慢变化的；而脉动动脉血液是随动脉血管的充盈状态不同而波动的，其对光的吸收作用也随着血液的脉动而改变。因此，吸光度的变化完全是由于动脉血液脉动引起。根据朗伯比尔定律，可以得到图9下方的脉搏波波形。一个标准脉搏波波形呈现出双峰形态，其中最低点为收缩峰、最高点为起搏点，次峰为舒张峰。
图10给出了脉搏波传导距离测量的示意图，测量时应保证手掌充分伸展，平行于水平面，平行于手机摄像头，过程中避免出现手部的移动，以保证测量结果的准确性。
图11给出了获取平均脉搏波传导时间流程图。首先将双路信号置于时间轴上，其次对相邻的峰与峰、谷与谷的时间点做差，最后对以上差值进行算术平均，求得平均脉搏波传导时间。
图12展示了脉搏波传导时间，其中相邻波形的相位差即为脉搏波传导时间为保证准确性，计算使用的脉搏波传导时间为多处脉搏波传导时间的算数平均值。
本发明进行信号采集时对实验场所要求较低，一般室内即可。被试人员应提前5-10分钟到达实验场所，稳定身体状态及情绪，避免出现运动后心率过快或情绪波动过大后的心律不齐。被试人员进行测试时应保证手指指腹部分、手掌掌心部分干燥，不佩戴手套等影响信号采集的物品。
初期，本发明采用英伟达JETSONNANO(B01)开发板进行模拟实验，原理机示意图见图13，其中，本发明在开发板的两路CSI接口上安装两个IMX219、77度视场角摄像头，以同时获取两路视频信息进而获得两路脉搏波信号。距离则是直接用直尺进行手动测量。
正式实验过程中，被试人员手持手机，按照图2、图3所示进行数据采集。为了对比本发明采集的脉搏波信号的准确性，被试人员应在数据采集的同时佩戴进行医用脉搏波信号采集。实验需要采集1分钟的数据，实验过程一般不超过10分钟。
经过实验发现，本发明所用方式采集的脉搏波传导速度与医用脉搏波传导速度采集设备获取的脉搏波传导速度接近，可知本发明采集的脉搏波传导速度准确度和可用度均已达到较高水平，可供后续多种用途使用，包括但不限于生理健康检测、人脸识别、信息比对等。
Claims (8)
1.基于手机前后置摄像头的脉搏波传导速度获取方法，使用手机的前后置摄像头同时拍摄手指和手掌的视频，使用经验模态分解(EMD)和基于最小均方误差算法(LMS)的自适应滤波器处理视频里面的图像序列，提取手指和手掌的血管容积脉搏波信号；利用智能手机的测距功能获得手指与手掌间的距离；根据两路血管容积脉搏波信号及距离计算脉搏波传导速度；
需要获取双路的脉搏波信号及两测量处的距离，而后进行脉搏波传导速度的计算，其中，两测量处的距离通过智能手机内置测距功能实现，测量点为测量脉搏波信号的食指指腹中央及手掌贴近摄像头的中心位置；
获取双路的脉搏波信号的步骤为：
利用智能手机的前后置摄像头同时拍摄一段视频，其中前置摄像头拍摄食指指腹视频，后置摄像头拍摄手掌视频；
对视频中每帧图像进行预处理，获得中心固定区域的图像序列；
拟合原始的脉搏波信号；
对原始的脉搏波信号进行滤波处理；
选取合格的脉搏波波形。
2.根据权利要求1所述的方法，其特征在于，所述拍摄视频的要求为：
(1)保持拍摄处无水分或者汗液的残留；
(2)拍摄位置正对摄像头放置；
(3)保证手指和手掌紧贴摄像头，避免出现水平或垂直方向的位移。
3.根据权利要求1所述的方法，其特征在于，所述图像预处理的过程为：
对拍摄部分中间区域进行定位和跟踪，把每一帧图像中的中心区域切割下来，构成指腹区域的图像序列。
4.根据权利要求1所述的方法，其特征在于，所述拟合原始的脉搏波信号的方法是：
直接利用绿光通道的灰度值拟合原始PPG波形；绿色通道的灰度值的获取是通过对感兴趣区域内每个像素点的绿色分量值取平均值，而后将对绿色分量均值进行归一化处理。
5.根据权利要求1所述的方法，其特征在于，所述滤波处理的方法是：
前置摄像头拍摄的手指脉搏波信号采用经验模态分解(EMD)，得到回波的多个本征波动模态(IMF)，再对心跳对应频率内的模态进行合成；
后置摄像头拍摄的手掌脉搏波信号采用基于最小均方误差算法(LMS)的自适应滤波器，将手指脉搏波信号作为期望响应信号d，把手掌脉搏波信号作为滤波器的输入信号x，x(k)代表k时刻下手掌脉搏波信号的大小；
通过LMS算法进行滤波处理的方法是：
将输入信号矢量化为X(k)：
X(k)＝[x(k)，x(k-1)，x(k-2)，......，x(k-M+1)]T
即X(k)包含了过去M个时刻的输入信号即手掌脉搏波信号；其中，M≤k≤N，N表示采样点数，M表示LMS自适应滤波器的阶数；
W(k)为k时刻自适应滤波器的权系数矢量，当滤波器的阶数为M时，W(k)的矢量形式为：
W(k)＝[w1(k)，w2(k)，w3(k)，......，wM(k)]T
这里，wi(k)为时刻k下相应X(k)中第i个数据的滤波器权系数，W(k)为X(k)中对应权系数；
对手掌脉搏波信号进行过滤，在滤波开始时，需要初始化LMS自适应滤波器权系数：
W(k)＝[0，0，......，0]T
将输入信号与权系数进行加权乘，得到k时刻的输出信号y(k)：
y(k)＝WT(k)X(k)
将输出信号值与期望(手指脉搏波信号)响应相减，k时刻计算误差信号e(k)：
e(k)＝d(k)-y(k)
计算k+1时刻的滤波器权系数W(k+1)，更新权值：
W(k+1)＝W(k)+2μe(k)X(k)
其中，μ为步长因子，λmax为输入信号自相关矩阵最大特征值；
滤波器阶数M设置为20；如果无法准确知道输入信号的自相关矩阵最大特征值λmax情境下，将步长因子μ设置为0.001进行代替；
循环以上步骤，降低滤波器的输出与期望输出之间的均方误差。
6.根据权利要求1所述的方法，其特征在于，所述选取合格的脉搏波波形的标准是：
(1)脉冲间隔在0.5s和1.2s之间；
(2)收缩峰值时间小于脉冲间隔的一半；
(3)最小脉冲值只出现在波形段的起始点或结束点上；
(4)上升沿的一阶导数即起始点和收缩期峰值之间大于零，即单调递增；
(5)起始点与终止点的幅度差不大于波形段整体幅度的1/10。
7.根据权利要求1所述的方法，其特征在于，计算脉搏波传导速度的过程为：
将上述获得的双路脉搏波信号对应放置在时间轴上；
获得平均脉搏波传导时间PTT；
根据公式计算得脉搏波传导速度，公式为：PWV＝d/PTT，其中d为量测量处的距离，PTT为上述计算出的脉搏波传导时间。
8.根据权利要求1所述的方法，其特征在于，所述获得平均脉搏波传导时间的方法是：
首先使用findpeaks获取峰(谷)值坐标，而后对相邻的峰(谷)值做差，差值即为脉搏波传导时间(PTT)，获得峰值差PTT序列及谷值差PTT序列；分别对上述两个PTT序列取平均值，再对两平均值取算术平均，获得平均脉搏波传导时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311472816.XA CN117547230A (zh) | 2023-11-07 | 2023-11-07 | 基于手机前后置摄像头的脉搏波传导速度获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311472816.XA CN117547230A (zh) | 2023-11-07 | 2023-11-07 | 基于手机前后置摄像头的脉搏波传导速度获取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117547230A true CN117547230A (zh) | 2024-02-13 |
Family
ID=89822468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311472816.XA Pending CN117547230A (zh) | 2023-11-07 | 2023-11-07 | 基于手机前后置摄像头的脉搏波传导速度获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117547230A (zh) |
-
2023
- 2023-11-07 CN CN202311472816.XA patent/CN117547230A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103385702B (zh) | 一种无创血压连续检测装置及方法 | |
| CN102429649B (zh) | 连续血压测量装置 | |
| CN102488503B (zh) | 连续血压测量装置 | |
| CN102397064B (zh) | 连续血压测量装置 | |
| CN108498089A (zh) | 一种基于深度神经网络的无创连续血压测量方法 | |
| CN101703396B (zh) | 基于桡动脉脉搏波的心血管机能参数检测分析方法及检测装置 | |
| CN112274127B (zh) | 一种基于单路脉搏波的无创连续血压检测方法、装置 | |
| CN110236508A (zh) | 一种无创血压连续监测方法 | |
| CN111714088B (zh) | 基于中医原理的人体特征指标检测方法和*** | |
| CN113143230B (zh) | 一种外周动脉血压波形重构*** | |
| CN112274120B (zh) | 一种基于单路脉搏波的无创动脉硬化检测方法、装置 | |
| Shi et al. | Neural network based real-time heart sound monitor using a wireless wearable wrist sensor | |
| CN110840428A (zh) | 基于一维U-Net网络的无创血压估计方法 | |
| Ran et al. | Contactless blood pressure monitoring with mmwave radar | |
| JP2023510943A (ja) | 光データによる脈遷移時間測定のためのシステムおよび方法 | |
| WO2021184818A1 (zh) | 一种基于粒子滤波的人体逐拍心率测量装置及方法 | |
| CN113907727A (zh) | 基于光电容积脉搏波描记的逐拍血压测量***和方法 | |
| CN210095711U (zh) | 一种无创连续血压测量设备 | |
| CN117547230A (zh) | 基于手机前后置摄像头的脉搏波传导速度获取方法 | |
| CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
| CN117158940A (zh) | 一种采用毫米波雷达的心率数据监测方法、检测***及可穿戴装置 | |
| CN114343596A (zh) | 一种基于反向血流传播时间的连续血压测量***及方法 | |
| Zhang et al. | WIB: Real-time, Non-intrusive Blood Pressure Detection Using Smartphones | |
| Deepakfranklin | Survey on Methods of Obtaining Biomedical Parameters from PPG Signal | |
| US20240074668A1 (en) | Systems and methods for determination of pulse arrival time with wearable electronic devices |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |